Predição de micotoxinas em cereais e subprodutos via espectroscopia de reflectância no infravermelho próximo
View/ Open
Date
2021-09-01Primeiro membro da banca
Almeida, Carlos Alberto Araujo de
Segundo membro da banca
Nascimento, Paulo Cícero do
Terceiro membro da banca
Krabbe, Everton Luis
Quarto membro da banca
Sá, Luciano Moraes
Metadata
Show full item recordAbstract
A qualidade do grão de cereal pode ser alterada pela presença de fungos, os quais podem produzir
micotoxinas com potencial de causar danos à saúde humana e animal. Portanto, faz-se necessário
monitorar os níveis dessas substâncias em produtos destinados ao consumo. Apesar de eficientes, as
metodologias analíticas atualmente utilizadas são morosas e requerem o uso de diversos reagentes e
instrumentos, sendo o desenvolvimento de métodos rápidos e confiáveis uma demanda da Indústria para
agilizar a tomada de decisão. Nesse contexto, o presente trabalho emprega a espectroscopia de
refletância no infravermelho próximo (NIRS) associada a métodos quimiométricos para quantificação e
classificação na construção de modelos multivariados para a predição de micotoxinas. Quatro estudos
foram desenvolvidos nas seguintes matrizes: milho; resíduo seco de destilaria com solúveis (DDGS) de
milho; e farinha de trigo. As micotoxinas analisadas foram: aflatoxina B1 (AFB1), fumonisina B1 (FB1)
+ fumonisina B2 (FB2) (fumonisinas totais, FBs), deoxinivalenol (DON) e zearalenona (ZEA). Os dados
espectrais foram processados pelo método de mínimos quadrados parciais e o número de componentes
principais dos modelos foi determinado por validação cruzada. A cromatografia líquida acoplada à
espectrometria de massas em tandem foi usada como metodologia de referência. O primeiro estudo
desenvolveu curvas de predição para FBs e ZEA em milho. O coeficiente de correlação (R), o coeficiente
de determinação e a relação de desempenho do desvio (RPD) para FBs e ZEA foram, respectivamente:
0,809 e 0,991; 0,899 e 0,984; e 3,33 e 2,71. O segundo estudo analisou a prevalência micotoxicológica
e a composição nutricional (atividade de água, proteína bruta, extrato etéreo, amido e energia
metabolizável aparente para aves) em 8.854 espectros de milho proveniente da Argentina, Bolívia, Brasil
(estratificado por região), Colômbia e Peru em 2020. As FBs apresentaram a maior prevalência nas
amostras latino-americanas assim como nas brasileiras: 91,6% e 92,6%, respectivamente. A proteína
bruta variou de 6,7% na Colômbia a 8,4% na Bolívia em relação à média (7,4%). A composição química
das amostras originárias da região Sudeste do Brasil mostrou a maior variabilidade positiva em relação
às médias. O terceiro estudo foi realizado em DDGS e elaborou curvas de predição para FB1 e FB2. Os
modelos foram construídos a partir de 190 amostras, sendo 132 para calibração e 58 para validação
externa. Os resultados de R e RPD para FB1 e FB2 foram, respectivamente: 0,90 e 0,88; e 2,16 e 2,06.
O quarto estudo avaliou amostras de farinha de trigo contaminadas com DON utilizando os métodos de
análise discriminante por mínimos quadrados parciais (PLS-DA) e análise discriminante linear de
componentes principais (PC-LDA). A classificação das amostras baseou-se no limite máximo tolerado
(LMT) para DON no Brasil, 750 μg kg-¹, sendo dois grupos estabelecidos para o conjunto de calibração:
categoria A (≤ 450 μg kg-¹), não contaminado ou inferior ao LMT; e categoria B (> 450 μg kg-¹),
contaminado ou acima do LMT. As amostras de validação analisadas por PLS-DA apresentaram taxas
de classificação correta entre 85 e 87,5%; para PC-LDA, a taxa de acerto foi superior a 85%. Nos dois
casos, o erro foi de 10 a 15%. Os resultados obtidos através desses estudos indicam o potencial da
tecnologia alternativa NIRS para uso na Indústria, conferindo agilidade ao processo analítico dos
ingredientes. Dessa forma, as decisões podem ser tomadas de forma assertiva e assim assegurar a
qualidade e a segurança alimentar.
Collections
The following license files are associated with this item: